Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Collegare il cluster Ray allo spazio
<a name="sagemaker-hyperpod-ray-attach-space"></a>

Collegare un cluster Ray a uno spazio indirizza la sessione IDE o notebook su quel cluster, quindi `ray.init()` si connette ad esso. All'interno dello spazio, il cluster è raggiungibile sulla porta 8265 per lo sviluppo interattivo, la stessa porta utilizzata da un cluster Ray locale. Ottieni l'esperienza di eseguire Ray su un laptop, con elaborazione su scala cloud.

Puoi gestire la connessione dalla ** scheda del cluster ** Ray all'interno dello spazio.

## Prerequisiti
<a name="sagemaker-hyperpod-ray-attach-space-prereqs"></a>
+ (Facoltativo) Amazon SageMaker Studio configurato per il tuo cluster. Per ulteriori informazioni, consulta [Configurare Studio per Ray](sagemaker-hyperpod-ray-studio-setup.md).
+ Il componente aggiuntivo SageMaker Spaces è ** attivo**. Per ulteriori informazioni, consulta [Configurazione del componente aggiuntivo Spaces](sagemaker-hyperpod-ray-spaces-addon-setup.md).
+ Uno spazio JupyterLab o Code Editor, creato dalla ** scheda ** IDE e Notebooks in Amazon Studio. SageMaker 
+ Un cluster Ray in esecuzione nello stesso namespace degli space pod.

## Connetti uno spazio a un cluster Ray con Amazon Studio SageMaker
<a name="sagemaker-hyperpod-ray-attach-space-connect"></a>

**Per collegare uno spazio a un cluster Ray**

1. Apri lo spazio JupyterLab o Code Editor che hai creato nella scheda ** IDE e Notebooks in Studio, quindi scegli la ** scheda ** Ray cluster. **

1. Scegli **Connetti**.

1. Scegli un cluster esistente dal selettore o creane uno nuovo, quindi salva.

Usa ** Change ** per indirizzare lo spazio su un cluster diverso e ** Disconnect ** per scollegarlo.

**Importante**  
Il salvataggio di una modifica alla connessione riavvia gli space pod. Salva prima il lavoro non salvato.

## Connetti uno spazio a un cluster Ray con kubectl
<a name="sagemaker-hyperpod-ray-attach-space-kubectl"></a>

Puoi anche patchare la `Workspace` risorsa dello spazio con `kubectl` invece di usare Studio. Il modello di integrazione Ray risiede nel `jupyter-k8s-system` namespace e il nome del cluster Ray viene passato come parametro.

Sostituite i seguenti valori in entrambi i comandi:


| Placeholder | Sostituisci con | 
| --- | --- | 
| my-workspace | Il nome della Workspace risorsa dello spazio. | 
| my-namespace | Lo spazio dei nomi che contiene sia lo spazio che il cluster Ray. | 
| my-cluster | Il nome del file da RayCluster allegare. | 

`ray-integration`Andatevene e `jupyter-k8s-system` come sono. Identificano il modello di integrazione installato dal componente aggiuntivo.

```
kubectl patch workspace {{my-workspace}} -n {{my-namespace}} --type=merge -p '{
  "spec": {
    "integrationTemplateRefs": [
      {
        "name": "ray-integration",
        "namespace": "jupyter-k8s-system",
        "parameters": [
          { "name": "rayClusterName", "value": "{{my-cluster}}" }
        ]
      }
    ]
  }
}'
```

Per staccare lo spazio dal relativo cluster, cancella i riferimenti di integrazione.

```
kubectl patch workspace {{my-workspace}} -n {{my-namespace}} --type=merge -p '{"spec":{"integrationTemplateRefs":[]}}'
```

## Verifica
<a name="sagemaker-hyperpod-ray-attach-space-verify"></a>

Dopo aver connesso lo spazio `ray.init()` e aver `ray job submit` raggiunto il cluster collegato per impostazione predefinita. Apri un terminale o un notebook nello spazio ed esegui`ray.init()`. Conferma che si connette al cluster.

## Compatibilità delle versioni
<a name="sagemaker-hyperpod-ray-attach-space-compat"></a>

L'immagine di SageMaker AI Distribution dello spazio ha una propria versione Ray e deve corrispondere a quella del cluster`spec.rayVersion`. Quando le versioni sono diverse, Studio mostra un avviso e propone invece di creare un cluster compatibile.

Anche la versione di Python deve corrispondere, inclusa la versione patch. Uno spazio che esegue Python 3.11.9 e un cluster che esegue Python 3.11.4 non sono compatibili.

Una mancata corrispondenza della versione si manifesta come errore durante lo sviluppo. Per un'esperienza più semplice, puoi scegliere la stessa immagine di SageMaker AI Distribution sia per il cluster Ray che per la Space Image per garantire la compatibilità.